Exploring the Difference between Stayers and Switchers as Corporate Customers for Life Insurance Companies in Sindh
Notice bibliographique
Résumé
Purpose – Competitiveness plays crucial role retaining the old customers. This lays importance on understanding the factors that influence and drive customers’ retention. Basing on the above, the Purpose of this paper to investigate and examine whether the Stayers, Satisfied Switchers, and Dissatisfied Switchers of corporate customers differ in their overall satisfaction with the service provided by their existing/current life insurance company.Methodology – This study has used survey via questionnaires for data collection. 75 corporate customers on the basis of convenience sampling were examined by using ANOVA and Discriminant Analysis techniques. Findings – The results show that Dissatisfied Switchers (who switched -in) are the most satisfied, and Satisfied Switchers are the least satisfied customers. Similar sort of results were found for customer’s loyalty. These three groups were found to be strongly discriminated by the people factor (specifically the professional insurance employees). Research limitations – The data is gathered from some big cities of Sindh through convenience sampling technique. There are many other cities where access of information is not possible due to cost and time management. Further research can be made on the same just by extending the sample size by considering more cities of Sindh. Practical implications – As the findings of this study reveal that the Dissatisfied Switchers are of the primary concern for life insurance companies. Keeping in view the results the life insurance companies should treat these groups differently with regard to potential investment strategy.Originality/value – This study has not been done before in Sindh. Although some studies are found in European countries but this has been done first time in Sindh and Pakistan.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».